ImageDeconvolve

ImageDeconvolve[image,ker]
使用核 ker 给出 image 的反卷积.

更多信息和选项更多信息和选项

  • 反卷积核可以是一个数值矩阵或一个图像,在任何维数上不能超过 image.
  • 核代表点扩散函数,它被假设为存在于图像中的模糊模型.
  • ImageDeconvolve[image,ker] 总是给出与 image 具有同样维数的 类型的图像.
  • ImageDeconvolve 分别作用于图像中的每个通道.
  • 反卷积核必须有单个通道或具有与 image 同样数目的彩色通道.
  • 可以指定下列选项:
  • MaxIterations10使用的最大迭代次数
    Method"DampedLS"使用的方法
    Padding"Reversed"填充方法
  • 指定频谱反卷积方法的可能设置为:
  • "DampedLS"阻尼最小二乘,广义 Tikhonov 正则化
    "Tikhonov"Tikhonov 正则化方法
    "TSVD"截断奇异值分解
    "Wiener"Wiener 反卷积
  • 对于频谱反卷积方法,正则化参数(regularization parameter) p 可以以设置 Method->{"method",p} 给出. 对于所有元素之和为1的非负的反卷积核,正则化参数一般在范围0到1之间.
  • 使用设置 Method->{"method",{p1,p2,}},每个颜色通道对应于分别的正则化参数.
  • Method 选项的以下设置指定迭代的反卷积方法:
  • "Hybrid"TikhonovGolubKahan 双对角正则化
    "RichardsonLucy"RichardsonLucy 迭代反卷积
    "SteepestDescent"改进的残差范数最速下降
  • 方法总是返回非负的像素值.
  • 迭代反卷积方法一般比频谱方法提供更好的结果,但是计算更复杂. 默认情况下,使用迭代方法的预处理版. 可以通过设置 Method->{"method","Preconditioned"-> False} 禁用预处理,它会导致更慢的收敛.
  • 经典的 RichardsonLucy 反卷积方法不使用预处理.
  • ImageDeconvolve 也支持迭代 方法,其有效地执行迭代全变差正则化(total variation regularization)算法.
  • 以下子选项可用 Method->{"TotalVariation",subopt} 指定:
  • "NoiseModel""Gaussian"噪声模型
    "Regularization"Automatic正则化参数
  • 的可能设置为 .
  • 请注意 ImageDeconvolveImageConvolve 使用不同的 Padding 设置.
  • ImageDeconvolve 可用于 Image3D 对象.

背景
背景

  • ImageDeconvolve performs deconvolution, which is typically used to enhance local details and edges in an image. Deconvolution is the converse operation to convolution, but unlike convolution, it is nonlinear, ill-posed, and non-unique.
  • Images may be blurred due to camera motion, object motion, lens defects, orin the case of astronomical imagesatmospheric turbulence. Deconvolution can sometimes be used to partially reverse the effects of these and other undesirable convolution-type processes in an image.
  • A kernel used for deconvolution is often referred to as a "point spread function" (commonly abbreviated "psf") and is assumed to model the blur whose removal from an image is being attempted. If the point spread function does not match the blur actually present in an image, deconvolution will fail to recover details and may even add spurious artifacts. Furthermore, even if a representative point spread function is chosen, deconvolution may still not recover all details in the original image.
  • The converse operation to ImageDeconvolve is performed by ImageConvolve. Sharpen is another simple way of enhancing edges.
2010年引入
(8.0)
| 2012年更新
(9.0)